本文探讨了大型语言模型（LLMs）在社会模拟中的协调能力，提出了协作生成代理以提升任务解决能力。通过模拟招聘会案例评估代理表现，发现其在复杂协调任务中存在限制。研究表明，LLMs能够模拟人类行为，展示合作与竞争能力，为社会现象提供洞察。

大型语言模型可模拟人类社交行为，但存在偏见、易受干扰、复杂协调能力不足等局限。研究提出SimulateBench等基准及协作生成代理框架，评估其一致性、鲁棒性与任务协调表现，并探索角色扮演、人机交互等应用。结果表明LLM代理前景可观，但需进一步改进以克服偏见，实现更真实的人类行为模拟。

大型语言模型在任务导向的社会模拟中取得进展，但协调能力有待探索。引入协作生成代理，赋予一致行为模式和解决任务能力。案例研究表明代理有希望的性能，但在复杂任务中有限制。对LLMs在社会模拟中的作用提供见解。

该研究在模拟的招聘会环境中测试了协作生成代理的协调能力，结果表明代理表现良好但存在限制。该研究为LLMs在任务导向的社会模拟中的作用和发展提供了见解。

该研究在招聘会环境中测试了协作生成代理的协调能力，发现其表现良好但存在限制。研究对LLMs在社会模拟中的作用提供了见解。

该研究在模拟的招聘会环境中测试了协作生成代理的协调能力，发现其表现良好但存在限制。该研究为LLMs在任务导向的社会模拟中的作用和发展提供了有价值的见解。

该研究在模拟的招聘会环境中测试了协作生成代理的性能，为LLMs在任务导向的社会模拟中的作用和发展提供了有价值的见解。

该研究在招聘会环境中测试了协作生成代理的协调能力，结果显示有希望的性能但也有限制。该研究提供了有价值的关于LLMs在社会模拟中的作用和发展的见解。